loubnabnl/code_data

---
dataset_info:
features:
- name: repo_name
dtype: string
- name: files
list:
- name: blob_id
dtype: string
- name: directory_id
dtype: string
- name: path
dtype: string
- name: content_id
dtype: string
- name: detected_licenses
sequence: string
- name: license_type
dtype: string
- name: content
dtype: string
- name: src_encoding
dtype: string
- name: language
dtype: string
- name: is_vendor
dtype: bool
- name: is_generated
dtype: bool
- name: num_files
dtype: int64
splits:
- name: train
num_bytes: 424803414
num_examples: 1002
download_size: 139210535
dataset_size: 424803414
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集详情

特征信息

• repo_name: 字符串类型
• files: 列表类型
  • blob_id: 字符串类型
  • directory_id: 字符串类型
  • path: 字符串类型
  • content_id: 字符串类型
  • detected_licenses: 字符串序列类型
  • license_type: 字符串类型
  • content: 字符串类型
  • src_encoding: 字符串类型
  • language: 字符串类型
  • is_vendor: 布尔类型
  • is_generated: 布尔类型
• num_files: 64位整数类型

数据分割

• train:
  • 字节数: 424803414
  • 样本数: 1002

数据集大小

• 下载大小: 139210535 字节
• 数据集大小: 424803414 字节

配置信息

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*